物理信息图网络直算FinFET电场，秒级筛设计，速度碾压TCAD仿真器！
Mesh-Native Physics-Informed Graph Surrogates for TCAD-in-the-Loop Design Space Exploration
📖 AI 总结
该研究提出了一种面向FinFET器件设计的网格原生物理信息图替代模型，旨在解决高保真TCAD仿真计算成本过高、限制多目标设计空间探索的问题。传统机器学习替代模型仅将固定设计参数映射为少量标量指标，丢失了底层物理信息且难以跨几何结构迁移。新方法采用物理信息图注意力网络，直接在四面体TCAD网格上运行，预测每个网格节点的静电势及电子、空穴准费米能级等漂移扩散系统的基本未知量。训练过程结合数据损失与有限体积电流连续性残差，将载流子输运物理嵌入目标函数。该模型具备尺寸泛化能力，训练于少鳍网格后可直接应用于更大规模阵列，推理仅受GPU内存限制。基于深度集成的逐节点不确定性驱动主动学习循环，可快速筛选候选设计。在Sentaurus Device基准测试中，该替代模型复现三个漂移扩散场的每场RMSE低于伏特级，单设计吞吐量比全仿真高数个数量级，且优势随器件尺寸增大而增强，支持跨器件尺度的Pareto前沿探索。
🔑 关键词速览
| TCAD | 技术计算机辅助设计，用于半导体器件设计和工艺仿真的软件工具。 |
| 漂移-扩散输运 | 描述半导体中载流子（电子和空穴）运动的基本物理模型，包含漂移和扩散两种机制。 |
| 图注意力网络（GAT） | 一种基于图结构的神经网络，通过注意力机制聚合邻居节点信息，适用于处理网格等非欧几里得数据。 |
| 准费米能级 | 描述非平衡状态下电子和空穴各自对应的费米能级，用于表征载流子浓度和输运特性。 |
| 主动学习 | 一种机器学习策略，通过迭代选择最有价值的数据进行标注或仿真，以提高模型效率。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅